METODOLOGI PENELITIAN SESI 12 UJI KWALITAS DATA

Pengujian Statistik: 1. Apakah pengujian parametrik atau pengujian nonparametrik 2. Apakah pengujian beda rata-rata atau pengujian asosiasi atau pengujian pengaruh

Pengujian Parametrik, pengujian statistik yang menggunakan nilai (magnitude) dari data. Pengujian ini diterapkan untuk data dengan skala pengukuran interval dan rasio. Pengujian nonparametrik, pengujian statistik yang menggunakan jarak (range) atau tanda (sign) atau urutan dari datanya. Pengujian ini diterapkan untuk data dengan skala pengukuran nominal dan ordinal

Pengujian Parametrik lebih kuat dibandingkan dengan pengujian nonparametrik pengujian ini harus memenuhi asumsi-asumsi berikut: Observasi harus independen, yaitu pemilihan dari sebuah kasus tidak akan mempengaruhi kesempatan kasus lain untuk dipilih didalam sampel. Observasi harus diambil dari populasi yang berdistribusi normal dan memiliki varian-varian yang sama.

Bahkan untuk pengujian parametrik yang menggunakan regresi linier berganda harus memiliki ciri data sbb: 1. Tidak mengandung multikoloniaritas 2. Tidak mengandung heteroskedasitas 3. Tidak mengandung autokorelasi 4. Data berdistribusi normal 5. Model penelitian adalah linier

Uji Asumsi Klasik 1. Multikoloniaritas, cirinya: Lakukan Regresi berganda masukkan (centang) Cov matriks dan coll diagnostic kemudian ok 1. Multikoloniaritas, cirinya: -R-Square tinggi (>0,90) -Masing-masing independen variable signifikan berhubungan, -Tolerance mendekati 0 (dimana Toll=1-R2) atau Toll = 1/VIF -VIF > 10 -Condition indeks (CI) > 10

HETEROSKEDASITAS Lakukan prosedur plot berikut: -Analize, regresi, kmd masuk ke plot masukkan s-resid di y dan z-pred di x Ciri jika berbentuk pola berarti mengandung hetero.

Dengan Park test Jika Ln disturbin error kwadrat tdk signifikan terhadap independen variabel maka tdk mengandung hetero. Prosedur: 1. regresi model penelitian misal Income = a + b1 size + b2 earns + b3 wealth + b4 saving + e

2. dapatkan residual (U) dengan cara memilih tombol save pada tampilan window regresi dan aktifkan unstandardized residual. 3. Kuadratkan nilai residual dengan menu transform dan compute 4. Hitung logaritma dari kuadrat residual dengan menu transform dan compute 5. Regresi LnU2i sebagai variabel dependen dengan variabel independen seluruh variabel independen dalam regresi utama

Jika koefisien parameter beta dari regresi LnU2i sebagai variabel dependen dengan variabel independen seluruh variabel independen dalam regresi utama signifikan secara statistik, maka data mengandung heteroskedasitas. Sebaliknya jikakoefisien parameter beta dari regresi LnU2i sebagai variabel dependen dengan variabel independen seluruh variabel independen dalam regresi utama tidak signifikan secara statistik, maka data tidak mengandung heteroskedasitas.

AUTOKORRELASI Prosedur Lakukan regresi kemudian klik durbin watson test.

Nilai du dan dl dilihat pada tabel durbinWatson Dengan cara tentukan signifikasi pengujian (alpha) Tentukan jumlah independen variabel regresi Park (k). Tentukan jumlah sampel. Misal pada n = 100, k = 4, dan alpha 5% makadiperoleh: dl = 1,59 du = 1,76

Uji Normalitas data Kolmogorov-Smirnove test Jika K-S test Signifikan maka data tdk normal Dan Jika K-S test tdk signifikan data normal dapatkan residual dengan cara memilih tombol save pada tampilan window regresi dan aktifkan unstandardized residual. Uji nilai residual dg K-S test

Uji Linieritas Graph, interaktive, scater plot, fit masukkan (regression, total), Spike (X1 axis, floor)

Uji Linieritas Uji Linieritas dapat pula dilakukan dengan: -Ramsey test -Langrange Multiplier test

Prosedur Langrange Multiplier test Lakukan regresi utama. Y = a + b1 X1 + b2 X2 + e Nilai residual regresi utama (e atau u) kemudian diregresikan dengan kuadrat variabel independen pada regresi utama: U = a + b1 X1 2 + b2 X2 2 + e Dapatkan chi square hitung dengan (perkalian R2 kali jml Observasi) R2 x N

Kemudian bandingkan chi square hitung dengan chi square tabel. Chi square tabel diperoleh dari tabel chi square pada df regresi dan pada alpha. Jika Chi square hitung < Chi square tabel, maka model Linier.